pywubi - 汉字转五笔编码

English

一个将汉字转换为五笔编码的 Python 工具库。当前支持 86 版 五笔编码，内置约 21,004 个汉字的码表。

特性

• 单字转码：将单个汉字转换为五笔编码
• 词组转码：按五笔词组规则（二字、三字、四字及以上）生成编码
• 多编码查询：返回汉字的所有可能编码
• 反查功能：根据五笔编码反查对应汉字
• 模糊反查：不确定的字根可用 z 代替，进行模糊查询猜字
• 简码查询：获取汉字的最短简码及简码级别
• 用户词组词库：自定义词组的添加、查询、删除与反查，持久化到独立文件
• 混合文本：自动分割汉字与非汉字，标点符号原样保留
• 零依赖：无任何第三方依赖

安装

pip install pywubi

快速开始

from pywubi import wubi

# 逐字转码（默认模式）
wubi('我爱你')
# ['trnt', 'epdc', 'wqiy']

# 返回所有可能的编码
wubi('我爱你', multicode=True)
# [['trnt', 'trn', 'q'], ['epdc', 'epd', 'ep'], ['wqiy', 'wqi', 'wq']]

# 以词组方式取码
wubi('我爱你', single=False)
# ['tewq']

# 混合文本，标点原样保留
wubi('天气不错，出去走走!')
# ['gdi', 'rnb', 'gii', 'qajg', '，', 'bmt', 'fcu', 'tfht', 'tfht', '!']

API 文档

wubi(hans, multicode=False, single=True)

将汉字字符串转换为五笔编码。

参数	类型	默认值	说明
hans	str	-	汉字字符串
multicode	bool	False	是否返回所有编码
single	bool	True	True 表示逐字转码，False 表示词组取码

返回：list，五笔编码列表

single_wubi(han, multicode=False)

将单个汉字转换为五笔编码。

参数	类型	默认值	说明
han	str	-	单个汉字
multicode	bool	False	是否返回所有编码

返回：str（单编码）或 list[str]（多编码）

combine_wubi(hans)

将词组转换为五笔编码。

参数	类型	说明
hans	str	汉字词组

返回：str，词组的五笔编码

取码规则：

• 二字词：各取前两码（共 4 码）
• 三字词：前两字各取首码 + 第三字取前两码（共 4 码）
• 四字及以上：取第 1、2、3、末字的首码（共 4 码）

lookup(char)

查询单个汉字的所有五笔编码。

from pywubi import lookup

lookup('为')   # ['ylyi', 'yly', 'yl', 'o']
lookup('?')    # []

reverse_lookup(code)

根据五笔编码反查汉字。

from pywubi import reverse_lookup

reverse_lookup('trnt')  # ['我']
reverse_lookup('q')     # ['我']
reverse_lookup('ggll')  # ['一']

fuzzy_reverse_lookup(code, limit=10)

根据五笔编码模糊查询汉字，不确定的字根可用 z 代替。

五笔 86 版编码仅使用 a-y，z 键天然空闲，可作为通配符匹配任意字根。输入不含 z 时等同于精确反查；输入长度决定匹配编码长度。

参数	类型	默认值	说明
code	str	-	五笔编码，不确定的位置用 z/Z 代替
limit	int	10	最大返回数量，0 表示不限制

返回：list[tuple[str, str]]，格式为 [(汉字, 匹配编码), ...]，按编码字母序排列

from pywubi import fuzzy_reverse_lookup

fuzzy_reverse_lookup('vz')       # [('姑', 'vd'), ('灵', 'vo'), ...]
fuzzy_reverse_lookup('zzzg')     # 只知道末码是 g，返回末码为 g 的四码字
fuzzy_reverse_lookup('trnt')     # 无 z，退化为精确反查
fuzzy_reverse_lookup('zz', limit=5)  # 限制返回 5 条

brief_code(char)

获取汉字的最短简码。

from pywubi import brief_code

brief_code('我')  # 'q'
brief_code('一')  # 'g'
brief_code('?')   # None

brief_level(char)

获取汉字的简码级别（1=一级简码，2=二级简码，3=三级简码，4=全码）。

from pywubi import brief_level

brief_level('我')  # 1
brief_level('一')  # 1
brief_level('〇')  # 4
brief_level('?')   # None

add_user_phrase(word, *, dict_path=None)

添加用户词组，自动生成五笔编码并保存到用户词组文件。

只需输入中文词组（≥2 字），程序会校验输入、生成编码并持久化保存。用户词组文件与内置码表完全隔离，不会影响官方数据。

参数	类型	默认值	说明
word	str	-	中文词组（至少 2 个字）
dict_path	str | None	None	可选，指定用户词组文件路径

返回：str，生成的编码

from pywubi import add_user_phrase

add_user_phrase('爱你')            # 'epwq'
add_user_phrase('中华人民共和国')  # 'kwwl'
add_user_phrase('我爱你')          # 'tewq'

用户词组默认保存位置：

平台	路径
Windows	%APPDATA%\pywubi\user_phrases.json
macOS	~/Library/Application Support/pywubi/user_phrases.json
Linux	~/.config/pywubi/user_phrases.json

也可通过环境变量 PYWUBI_USER_DICT 或 dict_path 参数自定义路径。

lookup_phrase(word, *, dict_path=None)

查询用户词组的编码。

from pywubi import add_user_phrase, lookup_phrase

add_user_phrase('爱你')
lookup_phrase('爱你')   # 'epwq'
lookup_phrase('你好')   # None（未添加过）

remove_user_phrase(word, *, dict_path=None)

删除用户词组。返回 True 表示删除成功，False 表示词组不存在。

from pywubi import add_user_phrase, remove_user_phrase

add_user_phrase('爱你')
remove_user_phrase('爱你')  # True
remove_user_phrase('爱你')  # False（已不存在）

list_user_phrases(*, dict_path=None)

列出所有用户词组。返回 dict[str, str]，格式为 {"词组": "编码", ...}。

from pywubi import add_user_phrase, list_user_phrases

add_user_phrase('爱你')
add_user_phrase('你好')
list_user_phrases()  # {'爱你': 'epwq', '你好': 'wqvb'}

reverse_lookup_phrase(code, *, dict_path=None)

根据编码反查用户词组。同一编码可对应多个词组（重码），按列表返回。

from pywubi import add_user_phrase, reverse_lookup_phrase

add_user_phrase('爱你')
reverse_lookup_phrase('epwq')  # ['爱你']
reverse_lookup_phrase('xxxx')  # []

开发

# 安装开发依赖
pip install -e ".[dev]"

# 运行测试
pytest

更新日志

0.3.0

• 新增用户词组词库功能，支持自定义词组的添加、查询、删除与反查
• 新增 add_user_phrase() 输入中文词组自动生成编码并保存
• 新增 lookup_phrase() 查询用户词组编码
• 新增 remove_user_phrase() 删除用户词组
• 新增 list_user_phrases() 列出所有用户词组
• 新增 reverse_lookup_phrase() 按编码反查用户词组
• 用户词组持久化到独立 JSON 文件，不污染内置码表
• 支持跨平台默认路径、环境变量和参数自定义路径

0.2.0

• 码表存储从 Python 源码改为 JSON，加载更快、体积更小
• 新增懒加载机制，import pywubi 不再立即加载码表
• 新增 lookup() 查询单字所有编码
• 新增 reverse_lookup() 编码反查汉字
• 新增 brief_code() 获取最短简码
• 新增 brief_level() 获取简码级别
• 添加完整单元测试

0.1.0

• 修复 single_seg 尾部非汉字字符丢失的问题
• 修正拼写错误（utlis -> utils，conbin_wubi -> combine_wubi）
• 所有导入改为包内相对导入
• 添加类型注解（Type Hints）
• 添加 .gitignore，清理 .idea/ 目录
• 修正 README 拼写错误

0.0.2

• 初始发布版本

License

MIT License，详见 LICENSE。